最近在准备后端校招面试，刷到一个高频题：LRU 缓存机制。
这题几乎是 Java/C++ 后端面试的常客，腾讯、字节、阿里、拼多多等公司都问过类似的原题。
面试官的经典台词是：
🧑💼：“你知道 LRU 吗？你能手写一个简化版吗？”
有人一脸懵，有人写了 50 行崩溃现场，也有人用 LinkedHashMap 一把梭。
今天我们就一起来彻底搞懂：什么是 LRU？如何手写？面试中如何高效答？
一、什么是 LRU 缓存机制？
LRU 全称是 Least Recently Used，最少最近使用。
核心思想是：优先淘汰最近最少使用的数据。
通常 LRU 需要实现两个操作：
-
get(key)：获取键值，若存在，则提升其“最近使用”级别 -
put(key, value)：写入键值，如果超过容量，则删除“最久未使用”的那个元素
面试时你通常会被要求：
- 手写一个类
LRUCache - 支持上述两个方法
- 要求：时间复杂度为 O(1)
二、实现思路（面试官关注重点）
为了实现 O(1) 的操作，通常使用：
哈希表 HashMap → 存 key 对应的节点
双向链表 Double Linked List → 存储数据顺序，快速移动最近使用项
结构图如下👇
head <-> node1 <-> node2 <-> node3 <-> tail
↑ ↑
最近用 最久未使用
- 每次访问后，将节点移动到 head 旁
- put 新数据时，如果超容量，就把 tail 前的节点删掉
三、Java 实现代码（附注释）
class LRUCache {
class Node {
int key, value;
Node prev, next;
Node(int k, int v) { key = k; value = v; }
}
private int capacity;
private Map<Integer, Node> map = new HashMap<>();
private Node head = new Node(0, 0), tail = new Node(0, 0);
public LRUCache(int capacity) {
this.capacity = capacity;
head.next = tail;
tail.prev = head;
}
public int get(int key) {
if (!map.containsKey(key)) return -1;
Node node = map.get(key);
remove(node);
insert(node);
return node.value;
}
public void put(int key, int value) {
if (map.containsKey(key)) remove(map.get(key));
if (map.size() == capacity) remove(tail.prev);
insert(new Node(key, value));
}
private void insert(Node node) {
map.put(node.key, node);
node.next = head.next;
node.prev = head;
head.next.prev = node;
head.next = node;
}
private void remove(Node node) {
map.remove(node.key);
node.prev.next = node.next;
node.next.prev = node.prev;
}
}
四、面试回答建议（结构化答题）
面试官：“你能手写一个简化版的 LRU 缓存吗？”
你可以这样答：
- ✅ 第一步：先口头说明 LRU 是什么、适用场景（缓存淘汰策略）
- ✅ 第二步：说明时间复杂度要求是 O(1)，所以你用 HashMap + 双向链表
- ✅ 第三步：手写核心代码结构，说明 get / put 的操作逻辑
🎯 重点是：先讲思路，再写代码，不要一上来就开敲！
五、更多高频题 + 各大厂真题合集（GitHub 项目推荐）
如果你正在准备校招/实习，可以看看我整理的：
阿里/腾讯/字节/美团等大厂
真实面试题 + 高频算法题 + 系统设计题库
📌 包含内容：
- 算法精选题目详解
- Redis/操作系统/数据库/消息队列高频知识点
- C++/Java/Python/Golang 专项复习笔记
- 腾讯/字节/阿里 真实笔经面经总结
✨ 欢迎 Star 收藏，一起上岸！
